Stregoneria con i piccoli dati: l'AI rivoluziona il riciclo della CO2 con modelli di "piccoli dati"
Uno studente di dottorato crea modelli di intelligenza artificiale precisi per la sintesi di Fischer-Tropsch a basso impatto ambientale utilizzando dati minimi
Presso l'Istituto Leibniz per la Catalisi di Rostock, LIKAT, uno studente di dottorato che lavora con il dottor David Linke ha sviluppato modelli di intelligenza artificiale per il processo Fischer-Tropsch basato sulla CO2. Il processo è stato originariamente sviluppato negli anni '20 per produrre idrocarburi liquidi dal monossido di carbonio e dall'idrogeno ottenuti dal carbone e dal petrolio. I laboratori di tutto il mondo stanno studiando come utilizzare in futuro il gas serra anidride carbonica al posto delle materie prime fossili per la sintesi Fischer-Tropsch.
Efficace e bello da vedere: il sistema di catalisi ad alto rendimento che Aleksandr Fedorov utilizza per testare i suoi catalizzatori durante l'idrogenazione di CO o CO₂ sotto pressione. Dispone di 16 reattori paralleli, i cui recipienti sono ben visibili sulla destra.
LIKAT
Uno degli obiettivi della ricerca in chimica è quello di sostituire le materie prime fossili con materie prime rispettose del clima e dell'ambiente. Un approccio promettente è l'idrogenazione dell'anidride carbonica a idrocarburi superiori, nota come sintesi di Fischer-Tropsch con CO2 (CO2 FTS). La CO2 e l'idrogeno (H2) reagiscono cataliticamente per formare, ad esempio, un carburante sintetico che non contiene composti di zolfo o azoto e che quindi brucia molto più pulito della sua controparte a base di petrolio. Se anche l'idrogeno è prodotto da fonti rinnovabili, questo processo è completamente neutrale dal punto di vista della CO2.
Prima i dati, poi l'esperimento
Il numero di pubblicazioni su questa reazione sta aumentando in tutto il mondo, e con esso la quantità di dati provenienti dagli esperimenti. Chi analizza questi dati in modo intelligente può scoprire connessioni nascoste tra le proprietà dei catalizzatori e l'attività chimica", afferma il chimico del LIKAT David Linke. Si tratta di conoscenze preziose, ma difficili da estrarre. Un caso per l'apprendimento automatico e le reti neurali artificiali.
Aleksandr Fedorov, dottorando di David Linke, ha intrapreso questo lavoro pionieristico. L'obiettivo della sua tesi di dottorato era sviluppare un nuovo catalizzatore per la CO2-FTS e un modello di intelligenza artificiale adatto a descrivere la velocità della complessa reazione in tutte le condizioni. Inizialmente questo ha significato passare mesi a raccogliere ed elaborare dati e a inserirli in un database. David Linke: "Anche prima del primo esperimento, è importante sapere il più possibile. Gli esperimenti sono costosi e richiedono tempo".
Catalizzatore di ferro altamente selettivo
Sia la sintesi di Fischer-Tropsch classica che la FTS di CO2 avvengono spesso in reattori cosiddetti a colonna di bolle. I materiali di partenza gassosi, H2 e CO2, e successivamente anche il monossido di carbonio (CO) che si forma, si fanno strada attraverso un liquido viscoso contenente il catalizzatore a base di ferro o cobalto e tutti i prodotti intermedi e finali.
Il risultato del lavoro di ricerca alla LIKAT è stato un catalizzatore a base di ferro con una produttività molto elevata e un'alta selettività che può essere attivato nel reattore di produzione. Alta selettività significa che si forma pochissimo metano indesiderato rispetto ai prodotti finali desiderati. Questo risultato è stato ottenuto aggiungendo piccole quantità di potassio, rame e alluminio.
Senza molti tentativi ed errori
Finora i chimici hanno documentato le loro scoperte sulle reazioni in grafici e tabelle che illustrano l'influenza di parametri importanti come la pressione, la temperatura e la composizione del campione. Aleksandr Fedorov ha analizzato ogni singolo punto di misurazione in un centinaio di pubblicazioni. Così facendo, non solo ha determinato i criteri decisivi per l'efficacia e la selettività della reazione. Ha anche scoperto una contraddizione: contrariamente a quanto descritto in letteratura, la CO2 utilizzata nella reazione non viene affatto sempre convertita in CO. Questa scoperta apre una nuova via di ricerca per un ulteriore miglioramento del catalizzatore.
Fedorov ha iniziato ad addestrare reti neurali artificiali utilizzando i dati del suo catalizzatore per la modellazione cinetica dell'idrogenazione della CO2, il suo modello AI. È stata necessaria solo una piccola quantità di dati, perché i dati di laboratorio sono sempre molto pochi per ogni serie di misurazioni. David Linke: "A differenza delle solite soluzioni di IA linguistica, i modelli linguistici di grandi dimensioni, qui lavoriamo con dati piccoli". Per consentire al modello di calcolare sequenze di reazione plausibili, è stato necessario insegnargli le regole fisiche di base.
La svolta è arrivata lo scorso autunno, come ricorda David Linke. Improvvisamente si ottengono modelli che si comportano in modo sensato! È un po' come una magia". Di solito si sta seduti al computer per giorni a cercare di trovare un modello adatto. Ora addestro il modello AI e anche il vecchio portatile calcola tutto in 30 minuti".
Codice sorgente come open source
Quali sono i vantaggi di questi modelli di IA? L'IA di LIKAT non solo riduce i tempi di laboratorio per ulteriori ricerche sulla CO2 FTS, ma aumenta anche l'efficienza della reazione. Soprattutto, gli ingegneri di processo possono ora utilizzare il modello di Aleksandr Fedorov per progettare e costruire il reattore a colonna di bolle in modo molto più preciso di prima. E chiunque può usare il modello come matrice per addestrare la propria IA per qualsiasi numero di reazioni.
David Linke, Aleksandr Fedorov e altri hanno pubblicato i loro risultati, compreso il codice sorgente, come open source. Come parte della National Research Data Infrastructure (NFDI) fondata nel 2020, David Linke è convinto che questi strumenti di IA rivoluzioneranno lo sviluppo dei processi chimici dal laboratorio al reattore.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
